如何解析freedict文件（*.dict和*.index）

Question

我在寻找免费的翻译词典。Freedict (freedict.org) 提供了我所需的内容，但我不知道如何解析 *.index 和 *.dict 文件。我也不知道应该搜索哪些关键词来获取有关这些格式的有用信息。

*.index 文件的格式如下：

00databasealphabet  QdGI    l
00databasedictfmt1121   B   b
00databaseinfo  c   5o
00databaseshort 6E  u
00databaseurl   6y  c
00databaseutf8  A   B
a   BHO M
a bad risc  BHa u
a bag of nerves BII 2
[...]

以及 *.dict 文件：

[Lot of info stuff]
German-English FreeDict Dictionary ver. 0.3.4
Pipi machen /piːpiːmaxən/
 to pee; to piss
(Aktien) zusammenlegen /aktsiːəntsuːzamənleːgən/
 to merge (with)
[...]

我很乐意看到一些示例项目（最好是用Python编写的，但Java、C、C++也可以），以了解如何处理这些文件。

- DiKorsch

---

请解释一下为什么会有踩票（downvote）？ - DiKorsch

你有没有真正阅读你提供的链接页面中的任何信息？ - ekhumoro

是的，但它并没有真正帮助到我... DICT 服务器对于我的任务来说有些过度了。我所需要的只是从文件中创建一种查找方式，以便我可以在两种语言之间翻译单词。 - DiKorsch

你的意思是，我应该使用TEI-XML文件来工作吗？ - DiKorsch

Answer 1

现在已经晚了，但我希望对像我一样的其他人有用。

JGoerzen编写了Dictdlib库。 您可以查看更多详细信息，了解他如何解析 .index 和 .dict 文件。 https://github.com/jgoerzen/dictdlib/blob/master/dictdlib.py

- Xuân-Lợi Vũ

Answer 2

dictd认为其格式的.index和.dict[.dz]是私有的，以保留未来更改的权利。

如果您仍然想直接处理它，索引包含词头，.dict[.dz]则包含定义。它可选择使用特殊修改过的gzip算法进行压缩，提供几乎随机访问，而gzip通常没有这种功能。索引每行包含3列，以制表符分隔：

1. 用于查找定义的词头。
2. .dict[.dz]文件中定义的绝对字节位置，base64编码。
3. 定义字节长度，base64编码。

有关详细信息，请参见您在提问之前应该找到的dict(8) man page（数据库格式部分）。要正确处理词头，您必须考虑编码和字符排序。

最好使用现有库来读取dictd数据库。但这实际上取决于库是否好用（我没有经验）。

最后，正如您自己所指出的，XML 正是为了易于处理而设计的。您可以使用 XPath 提取单词和翻译，省略所有语法内容，无需麻烦地解析任何东西。

在完成这一步之后，下一个问题将是不同语言中的单词之间没有一对一的映射...

- micha137